L’équipe WeChat Vision de Tencent a lancé WeVisOne-VL, un modèle vision-langage capable de détecter des objets, de reconnaître du texte (OCR), de compter, de segmenter et de réaliser du détourage par matting alpha. Le modèle est proposé en versions de 2 et 4 milliards de paramètres et intègre un décodeur de pixels de 9,6 millions de paramètres. Il est sous licence Apache 2.0, qui autorise une large utilisation dans le respect de ses conditions. L’annonce ne fournit aucun résultat de benchmark et ne précise pas où télécharger ou exécuter le modèle.
Pourquoi c'est important
Les développeurs peuvent envisager d’utiliser un seul modèle sous licence Apache 2.0 pour cinq tâches liées aux images. Mais en l’absence d’informations sur son accès et de résultats de benchmark, ses performances en pratique restent difficiles à évaluer.
